回归方程公式怎么用

回归方程公式怎么用

问题一：回归直线方程公式不会套，怎么套公式？ 是第 17 题吧？我帮你解答，记得采纳为满意回答哦。
先求 x、y 的平均数：x_ =(89+91+93+95+97)/5=93，y_ =(87+89+89+92+93)/5=90 ，
然后求每个 x 与 x_ 的差，以及 y 与 y_ 的差：
x-x_ ：-4，-2，0，2，4
y-y_ ：-3，-1，-1，2，3
最后求对应两数的乘积之和：(-4)*(-3)+(-2)*(-1)+0*(-1)+2*2+4*3=30 。问题二：回归方程公式如何使用 回归方程用于处理包含一定函数关系的散点
比如，如下所示的散点当中因变量与自变量之间满足什么样的
定量关系？
这是就可以利用回归方程计算出回归直线的斜率和截距
结果如下：问题三：线性回归方程公式b怎么求 问题四：数学回归方程公式 y=bx+a
回归分析 regression analysis
回归分析是处理多变量间相关关系的一种数学方法。相关关系不同于函数关系，后者反映变量间的严格依存性，而前者则表现出一定程度的波动性或随机性，对自变量的每一取值，因变量可以有多个数值与之相对应。在统计上研究相关关系可以运用回归分析和相关分析（correlation analysis）。当自变量为非随机变量、因变量为随机变量时，分析它们的关系称回归分析；当两者都是随机变量时，称为相关分析。回归分析和相关分析往往不加区分。广义上说，相关分析包括回归分析，但严格地说。两者是有区别的。具有相关关系的两个变量ξ和η，它们之间既存在着密切的关系，又不能由一个变量的数值精确地求出另一变量的值。通常选定ξ=x时η的数学期望作为对应ξ=x时η的代表值，因为它反映ξ=x条件下η取值的平均水平。这样的对应关系称为回归关系。根据回归分析可以建立变量间的数学表达式，称为回归方程。回归方程反映自变量在固定条件下因变量的平均状态变化情况。相关分析是以某一指标来度量回归方程所描述的各个变量间关系的密切程度。相关分析常用回归分析来补充，两者相辅相成。若通过相关分析显示出变量间关系非常密切，则通过所建立的回归方程可获得相当准确的取值。通过日归分析可以解决以下问题： 1．可建立交量间的数学表达式――通常称为经验公式。 2．利用概率统计基础知识进行分析，从而可以判断所建立的经验公式的有效性。 3．进行因素分析，确定影响某一变量的若干变量（因素）中，何者为主要，何者为次要，以及它们之间的关系。
具有相关关系的变量之间虽然具有某种不确定性，但是，通过对现象的不断观察可以探索出它们之间的统计规律，这类统计规律称为回归关系。有关回归关系的理论、计算和分析称为回归分析。
回归分析方法被广泛地用于解释市场占有率、销售额、品牌偏好及市场营销效果。把两个或两个以上定距或定比例的数量关系用函数形势表示出来，就是回归分析要解决的问题。回归分析是一种非常有用且灵活的分析方法，其作用主要表现在以下几个方面：
(1) 判别自变量是否能解释因变量的显著变化----关系是否存在；
(2) 判别自变量能够在多大程度上解释因变量----关系的强度；
(3) 判别关系的结构或形式----反映因变量和自变量之间相关的数学表达式；
(4) 预测自变量的值；
(5) 当评价一个特殊变量或一组变量对因变量的贡献时，对其自变量进行控制。
回归分析可以分为简单线性回归分析和多元线性回归分析。
(一) 简单线性回归分析
如果发现因变量Y和自变量X之间存在高度的正相关，可以确定一条直线的方程，使得所有的数据点尽可能接近这条拟合的直线。简单回归分析的模型可以用以下方程表示：
Y = a + bx
其中：Y为因变量，a为截距，b为相关系数，x为自变量。
(二) 多元线性回归分析
多元线性回归是简单线性回归的推广，指的是多个因变量对多个自变量的回归。其中最常用的是只限于一个因变量但有多个自变量的情况，也叫多重回归。多重回归的一般形式如下:
Y = a + b1X1 + b2X2 + b3X3 +……+ bkXk
a代表截距， b1,b2,b3,……,bk为回归系数。问题五：怎么用EXCEL 线性回归方程 LINEST使用最小二乘法对已知数据进行最佳直线拟合，并返回描述此直线的数组。因为此函数返回数值数组，所以必须以数组公式的形式输入。语法LINEST(known_y's,known_x's,const,stats)Known_y's 是关系表达式 y = mx + b 中已知的 y 值集合。如果数组 known_y's 在单独一列中，则 known_x's 的每一列被视为一个独立的变量。 如果数组 known-y's 在单独一行中，则 known-x's 的每一行被视为一个独立的变量。 Known_x's 是关系表达式 y = mx + b 中已知的可选 x 值集合。数组 known_x's 可以包含一组或多组变量。如果只用到一个变量，只要 known_y's 和 known_x's 维数相同，它们可以是任何形状的区域。如果用到多个变量，则 known_y's 必须为向量（即必须为一行或一列）。 如果省略 known_x's，则假设该数组为 {1,2,3,...}，其大小与 known_y's 相同。 Const 为一逻辑值，用于指定是否将常量 b 强制设为 0。如果 const 为 TRUE 或省略，b 将按正常计算。 如果 const 为 FALSE，b 将被设为 0，并同时调整 m 值使 y = mx。 Stats 为一逻辑值，指定是否返回附加回归统计值。如果 stats 为 TRUE，则 LINEST 函数返回附加回归统计值，这时返回的数组为 {mn,mn-1,...,m1,b;sen,sen-1,...,se1,seb;r2,sey;F,df;ssreg,ssresid}。 如果 stats 为 FALSE 或省略，LINEST 函数只返回系数 m 和常量 b。 附加回归统计值如下：统计值说明se1,se2,...,sen系数 m1,m2,...,mn 的标准误差值。seb常量 b 的标准误差值（当 const 为 FALSE时，seb = #N/A）r2判定系数。Y 的估计值与实际值之比，范围在 0 到 1 之间。如果为 1，则样本有很好的相关性，Y 的估计值与实际值之间没有差别。如果判定系数为 0，则回归公式不能用来预测 Y 值。有关计算 r2 的方法的详细信息，请参阅本主题后面的“说明”。seyY 估计值的标准误差。FF 统计或 F 观察值。使用 F 统计可以判断因变量和自变量之间是否偶尔发生过可观察到的关系。df自由度。用于在统计表上查找 F 临界值。所查得的值和 LINEST 函数返回的 F 统计值的比值可用来判断模型的置信度。有关如何计算 df，请参阅在此主题中后面的“说明”。示例 4 说明了 F 和 df 的使用。ssreg回归平方和。ssresid残差平方和。有关计算 ssreg 和 ssresid 的方法的详细信息，请参阅本主题后面的“说明”。下面的图示显示了附加回归统计值返回的顺序。说明可以使用斜率和 y 轴截距描述任何直线： 斜率 (m)：
通常记为 m，如果需要计算斜率，则选取直线上的两点，(x1,y1) 和 (x2,y2)；斜率等于 (y2 - y1)/(x2 - x1)。Y 轴截距 (b)：
通常记为 b，直线的 y 轴的截距为直线通过 y 轴时与 y 轴交点的数值。直线的公式为 y = mx + b。如果知道了 m 和 b 的值，......余下全文>>问题六：回归方程中a，b怎么求 回归直线的求法
最小二乘法：
总离差不能用n个离差之和
来表示，通常是用离差的平方和，即
作为总离差，并使之达到最小，这样回归直线就是所有直线中Q取最小值的那一条，这种使“离差平方和最小”的方法，叫做最小二乘法：
由于绝对值使得计算不变，在实际应用中人们更喜欢用：Q=（y1-bx1-a）2+（y2-bx-a2）+。。。+（yn-bxn-a）2
这样，问题就归结于：当a，b取什么值时Q最小，即到点直线y=bx+a的“整体距离”最小。
用最小二乘法求回归直线方程中的a,b有下面的公式：问题七：excel如何做回归方程 选中需要作图的数据区域，上方“插入”选项卡下图表，选择散点图的第一种，
下一步直到完成
点击图上的其中一个点，使所有点被选中，右击添加趋势线
类型选择线性，选项选择显示公式和R平方值
点击确定即可。这就是回归曲线。问题八：如何用excel做线性回归方程 1）打开excel;
2）在表格中【照原样】填写数据；
3）用鼠标框选全部数据；
4）点《工具栏》中的《插入》->点弹出菜单中的《图表》->选《散点图》
->点《完成》（点《下一步》也可以进行。）；
5）指向一个点，右击鼠标->在《类型》中点《线性》、在《选项》中【勾选】《显示公式》和《显示R平方值》->点《确定》即完成 线性回归。其中的公式若看不清楚，可以用鼠标拖到合适的地方。